CN107038769A - 一种判断汽车工况数据饱和的方法 - Google Patents

一种判断汽车工况数据饱和的方法 Download PDF

Info

Publication number
CN107038769A
CN107038769A CN201710051341.5A CN201710051341A CN107038769A CN 107038769 A CN107038769 A CN 107038769A CN 201710051341 A CN201710051341 A CN 201710051341A CN 107038769 A CN107038769 A CN 107038769A
Authority
CN
China
Prior art keywords
data
stability
vehicle speed
working condition
speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710051341.5A
Other languages
English (en)
Inventor
李耀华
李忠玉
任田园
邵攀登
苟琦智
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201710051341.5A priority Critical patent/CN107038769A/zh
Publication of CN107038769A publication Critical patent/CN107038769A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种判断汽车工况数据饱和的方法，本发明利用GPS设备获得频率为1Hz车辆行驶实验数据，并对实验数进行怠速噪声处理、尖点数据进行修正、毛刺数据和异常片段剔除等处理。根据工况数据特征值定义六种稳定度和一种综合稳定度，并根据稳定度值判断工况数据是否饱和。本发明提出了一种新的判断工况数据采样量与准确性之间关系的方法，明确了工况数据饱和的计算方法，解决了主观盲目提高采样量保证准确性的问题，提高了采样效率，减少了计算量，为工况构建时数据采样量的确定提供了理论依据。

Description

一种判断汽车工况数据饱和的方法
技术领域
本发明属于汽车工况数据分析领域，具体涉及一种判断汽车工况数据饱和的方法。
背景技术
汽车行驶工况的构建中最重要的是采集到比较准确而真实的原始数据。GPS采集设备使用方便并且不影响正常行车，因此，被广泛地应用于工况数据采集。然而，由于受到天气，定位，建筑物遮挡等各种因素，GPS采集到的数据会存在着大量的非真实信号。另外，由于干扰，漂移等不确定原因造成的严重偏离原始真实道路的数据。经过对采集到的原始数据分析，这些不准确数据，可以分为以下几类：(1)怠速噪声；(2)尖点数据；(3)毛刺数据；(4)异常片段数据。
采样量直接影响到构建的行驶工况是否具有代表性，是否能反映一个地区的汽车运行特点。采样量过少，构建的工况不能反映当地的行驶特性，采样量过大，则需要投入的时间、资源就越多，并且过多的数据给后续处理带来较大困难。另外，在采样量达到一定程度时，再增加采样量对提高工况构建的准确性并不显著。目前，对行驶工况采样量是否满足工况构建要求仍无定量的指标来评价，这使得在实际采集过程中具有一定的随意性和盲目性。
发明内容
本发明的目的在于克服上述不足，提供一种判断汽车工况数据饱和的方法，以确定采样次数达到一定程度时，汽车工况数据已经饱和，从而减少实际数据采集过程中的随意性和盲目性，提高数据采集的工作效率。
为了达到上述目的，本发明包括以下步骤：
步骤一，通过GPS设备获取若干辆原始车辆的原始工况数据，采样频率为1Hz，获取时间t，车速Vi(t)，(i＝1，2，3，…，n)，车速Vi(t)的单位为km/h，且Vi(t)≥0，t的单位为s；
步骤二，对怠速噪声进行处理，对尖点进行修正，对毛刺数据和异常片段进行剔除；
步骤三，选取平均车速、平均运行车速、加速、减速、匀速和怠速作为特征值，根据这六个特征值确定样本综合稳定度K；
步骤四，确定采样次数，即完成判断汽车工况数据饱和的方法。
所述步骤二中，怠速噪声进行处理的方法如下：
设置速度限值Vd，若低于速度限值Vd则为怠速，
所述步骤二中，尖点进行修正的方法如下：
设置最大加速度为a1，若存在加速度大于a1，则采用线性插值法处理，若一次插值仍大于a1，则连续多次采用线性插值直至加减速度在合理范围内，Vxi为第i个车速数据修正后的值，Vi-1为第i个车速的前一个车速，Vi+1为第i个车速的后一个车速。
所述步骤二中，毛刺数据的剔除方法如下：
对于较长时间怠速数据中的个别数据不为零的定义为数据毛刺，设置怠速数据的阈值为N1，小于N1的怠速数据修改为0。
所述步骤二中，异常片段为数据片段范围已远超出实际范围的数据。
所述步骤三中，综合稳定度K包括K1～K6，分别代表加速比例稳定度、减速比例稳定度、匀速比例稳定度、怠速比例稳定度、平均车速稳定度及平均运行车速稳定度，计算公式如下：
其中，分别为第j次采样数据的累积加速比例、减速比例、匀速比例、怠速比例、平均车速及平均运行车速。
所述步骤四中，样本稳定度绝对值|K|＜A可认为样本量达到稳定，A为设定的阈值，即工况数据饱和，采样量满足需要，此时对应的次数j即为汽车工况数据饱和时采集次数。
与现有技术相比，本发明利用GPS设备获得频率为1Hz车辆行驶实验数据，并对实验数进行怠速噪声处理、尖点数据进行修正、毛刺数据和异常片段剔除等处理。根据工况数据特征值定义六种稳定度和一种综合稳定度，并根据稳定度值判断工况数据是否饱和。本发明提出了一种新的判断工况数据采样量与准确性之间关系的方法，明确了工况数据饱和的计算方法，解决了主观盲目提高采样量保证准确性的问题，提高了采样效率，减少了计算量，为工况构建时数据采样量的确定提供了理论依据。
附图说明
图1是本发明的流程图；
图2是不同采样周期工况对比图；
图3是怠速噪声数据处理前后对比图；
图4是尖点数据处理流程图；
图5是尖点数据处理前后加速度对比图；
图6是毛刺数据处理流程图；
图7是毛刺数据处理前后速度对比图；
图8是异常片段数据剔除算法流程图；
图9是异常片段数据剔除前后速度对比图；
图10是准确性和采样量关系图；
图11是平均车速及平均运行车速随采样次数变化关系图；
图12是加速、减速、匀苏、怠速比例随采样次数变化关系图；
图13是K1随采样次数变化关系图；
图14是K2随采样次数变化关系图；
图15是K3随采样次数变化关系图；
图16是K4随采样次数变化关系图；
图17是K5随采样次数变化关系图；
图18是K6随采样次数变化关系图；
图19是样本综合稳定度K随采样次数变化关系图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
参见图1，本发明包括以下步骤：
步骤一，通过GPS设备获取若干辆原始车辆的原始工况数据，采样频率为1Hz，获取时间t，车速Vi(t)，(i＝1，2，3，…，n)，车速Vi(t)的单位为km/h，且Vi(t)≥0，t的单位为s；
步骤二，对怠速噪声进行处理，对尖点进行修正，对毛刺数据和异常片段进行剔除；
怠速噪声进行处理的方法如下：
设置速度限值Vd，若低于速度限值Vd则为怠速，
尖点进行修正的方法如下：
设置最大加速度为a1，若存在加速度大于a1，则采用线性插值法处理，若一次插值仍大于a1，则连续多次采用线性插值直至加减速度在合理范围内，Vxi为第i个车速数据修正后的值，Vi-1为第i个车速的前一个车速，Vi+1为第i个车速的后一个车速。
毛刺数据的剔除方法如下：
对于较长时间怠速数据中的个别数据不为零的定义为数据毛刺，设置怠速数据的阈值为N1，小于N1的怠速数据修改为0。
异常片段为数据片段范围已远超出实际范围的数据。
步骤三，选取平均车速、平均运行车速、加速、减速、匀速和怠速作为特征值，根据这六个特征值确定样本综合稳定度K；
综合稳定度K包括K1～K6，分别代表加速比例稳定度、减速比例稳定度、匀速比例稳定度、怠速比例稳定度、平均车速稳定度及平均运行车速稳定度，计算公式如下：
其中，分别为第j次采样数据的累积加速比例、减速比例、匀速比例、怠速比例、平均车速及平均运行车速；
步骤四，确定采样次数，样本稳定度绝对值|K|＜A可认为样本量达到稳定，A为设定的阈值，即工况数据饱和，采样量满足需要，此时对应的次数j即为汽车工况数据饱和时采集次数，即完成判断汽车工况数据饱和的方法。
实施例：
采用GPS设备获得工况数据，通过图2的a、b、c对比分析，确定采样频率为1Hz；根据采集数据，设置怠速限值Vd，进行怠速噪声处理；计算加速度值并与限值a1对比，若大于则采用线性插值，进行尖点处理；对于较长时间怠速，但不超过N1的速度不为零的点进行毛刺数据处理；针对远超实际数据的片段或长时间不变数据进行异常片段剔除处理；针对有效数据计算6种特征值和6个稳定度，最终计算综合稳定度，以此得出工况饱和时数据采样次数。
怠速噪声处理主要处理GPS停车怠速时存在波动，采用低于限值为怠速的方法处理，处理结果如图3的a和b红色标记处所示。
将加速度大于a1的尖点(假设为3)，采用线性插值的方法(可多次使用)处理，流程如图4所示，结果如图5的a和b红色标记处所示。
毛刺数据处理流程如图6所示，假设N1为4，处理结果如图7的ab红色标记处所示。
异常片段剔除处理流程如图8所示，假设速度限值为70，处理结果如图9的a和b红色标记处所示。
经过以上数据预处理得出工况有效数据，采样量与准确性之间关系如图10所示。本发明根据工况6种重要特征值与采样量之间关系，如图11和图12所示，定义6种稳定度，如图13-图18所示，一个综合稳定度如图19所示，从图中可以明显看出随着采样量的增加，稳定度越来越高。根据图19，假设精确度A为0.002，则工况采样量42次时数据饱和。

Claims (3)

1.一种判断汽车工况数据饱和的方法，其特征在于，包括以下步骤：
步骤一，通过GPS设备获取若干辆原始车辆的原始工况数据，采样频率为1Hz，获取时间t，车速Vi(t)，(i＝1，2，3，…，n)，车速Vi(t)的单位为km/h，且Vi(t)≥0，t的单位为s；
步骤二，对怠速噪声进行处理，对尖点进行修正，对毛刺数据和异常片段进行剔除；
步骤三，选取平均车速、平均运行车速、加速、减速、匀速和怠速作为特征值，根据这六个特征值确定样本综合稳定度K；
步骤四，确定采样次数，即完成判断汽车工况数据饱和的方法。
2.根据权利要求1所述的一种判断汽车工况数据饱和的方法，其特征在于，所述步骤三中，综合稳定度K包括K1～K6，分别代表加速比例稳定度、减速比例稳定度、匀速比例稳定度、怠速比例稳定度、平均车速稳定度及平均运行车速稳定度，计算公式如下：
其中，分别为第j次采样数据的累积加速比例、减速比例、匀速比例、怠速比例、平均车速及平均运行车速。
3.根据权利要求1所述的一种判断汽车工况数据饱和的方法，其特征在于，所述步骤四中，样本稳定度绝对值|K|＜A可认为样本量达到稳定，A为设定的阈值，即工况数据饱和，采样量满足需要，此时对应的次数j即为汽车工况数据饱和时采集次数。
CN201710051341.5A 2017-01-23 2017-01-23 一种判断汽车工况数据饱和的方法 Pending CN107038769A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710051341.5A CN107038769A (zh) 2017-01-23 2017-01-23 一种判断汽车工况数据饱和的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710051341.5A CN107038769A (zh) 2017-01-23 2017-01-23 一种判断汽车工况数据饱和的方法

Publications (1)

Publication Number Publication Date
CN107038769A true CN107038769A (zh) 2017-08-11

Family

ID=59534148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710051341.5A Pending CN107038769A (zh) 2017-01-23 2017-01-23 一种判断汽车工况数据饱和的方法

Country Status (1)

Country Link
CN (1) CN107038769A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6600413B1 (en) * 2002-03-04 2003-07-29 Jui-Yang Lo Automobile efficiency meter
CN101763665A (zh) * 2008-12-26 2010-06-30 厦门雅迅网络股份有限公司 一种远程监测工程机械车辆实时工况的方法
CN103824461A (zh) * 2014-03-18 2014-05-28 中国汽车技术研究中心 一种车辆行驶工况数据的识别与修正方法
CN106021961A (zh) * 2016-06-20 2016-10-12 吉林大学 基于遗传算法优化的城市标准循环工况构建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6600413B1 (en) * 2002-03-04 2003-07-29 Jui-Yang Lo Automobile efficiency meter
CN101763665A (zh) * 2008-12-26 2010-06-30 厦门雅迅网络股份有限公司 一种远程监测工程机械车辆实时工况的方法
CN103824461A (zh) * 2014-03-18 2014-05-28 中国汽车技术研究中心 一种车辆行驶工况数据的识别与修正方法
CN106021961A (zh) * 2016-06-20 2016-10-12 吉林大学 基于遗传算法优化的城市标准循环工况构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郝艳召等: "武汉市公交车典型行驶工况的构建", 《交通信息与安全》 *
陈铭等: "轻型车典型行驶工况开发研究", 《车辆与动力技术》 *

Similar Documents

Publication Publication Date Title
CN109050535B (zh) 一种基于车辆姿态的快速地形工况辨识方法
CN106781486B (zh) 基于浮动车数据的交通状态评价方法
WO2020244288A1 (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
CN107977476B (zh) 一种估算汽车剩余续航里程的方法
CN106683405B (zh) 基于道路车流密度的道路交通状态评价方法
CN1773605A (zh) 一种应用于语音识别系统的语音端点检测方法
CN107943757A (zh) 一种基于稀疏分量分析模态识别中的阶数确定方法
WO2017004647A1 (de) Verfahren zum betreiben einer brennkraftmaschine
CN109934100B (zh) 一种基于滑动窗口的幅频时变工艺信号分割方法
CN105844915A (zh) 一种可变限速控制下交通流基本图的确定方法
CN105551250A (zh) 一种基于区间聚类的城市道路交叉口运行状态判别方法
CN104457643B (zh) 一种轨道几何检测数据的脉冲噪声滤波方法及装置
CN112730737A (zh) 一种基于非道路移动机械远程监控数据的排放计算方法
CN110239560B (zh) 一种安全驾驶习惯评分方法及装置
CN117271992B (zh) 一种基于大数据的城市道路碳排放监测管理系统
CN114332825A (zh) 基于深度学习的道路地形分布识别方法、设备和存储介质
CN103576131A (zh) 距离扩展目标内禀模态特征能量智能融合检测方法
CN107038769A (zh) 一种判断汽车工况数据饱和的方法
CN112764000A (zh) 基于分位点的对数正态纹理海杂波幅度模型参数估计方法
CN108268678A (zh) 驾驶行为分析方法、装置及系统
CN109249933B (zh) 一种驾驶员加速意图识别方法及其装置
CN109249932B (zh) 一种车辆加速模型标定方法及加速意图识别方法及其装置
KR20200072268A (ko) 차량 운행 패턴 결정 방법
CN115909752A (zh) 一种基于车辆用户历史数据的急转弯识别及统计方法
CN113610142A (zh) 车辆行驶工况构建方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170811

WD01 Invention patent application deemed withdrawn after publication